-
0 引言
-
水电站为社会经济发展做出了巨大贡献，但其建设在一定程度上也改变了当地自然环境，特别是库区蓄水影响着库区岸坡稳定性，造成库区古滑坡的复活及（或）潜在活动滑坡的失稳，为库区带来了新的地质环境问题（戚赏等，2020）。近年来国内加强了地质灾害的监测与防治工作，监测技术方法也得到了快速发展与完善。特别是雷达遥感技术的快速发展，在地面沉降、滑坡、崩塌及泥石流调查监测方面得到了广泛应用。
-
除雷达技术之外，RTK、GNSS 等测量技术虽然在单点上监测精度高，实时性好，但投入资金大、监测范围局限，难以达到大区域范围内高效监测目的。高空间分辨率光学遥感技术也可以根据滑坡的影像标志特征来解译识别滑坡隐患，但在植被高覆盖和地表裸露等地区，滑坡解译准确性较低（赵超英等，2019；代聪等，2020），同时也获取不到形变信息。合成孔径雷达干涉测量技术（Interferometric Synthetic Aperture Radar， InSAR），可探测雷达视线方向的微小形变，探测精度达厘米级甚至毫米级 （Rizo and Tesauro，2000；葛大庆等，2008；Guo et al.，2017；张路等，2018；陆会燕等，2019），为准确识别滑坡隐患提供了重要支撑。
-
溪洛渡水电站处于长江上游金沙江流段。该区域河道落差大、水量丰沛稳定，水能资源潜力巨大，是中国最大的水电能源基地，近十几年来相继建成白鹤滩、向家坝大型水电站。在溪洛渡水电站建成后的 2013 年，库区永善县易子村发生滑坡，约 12万 m3 滑坡体滑入库区激起巨浪造成雷波县卡哈罗乡遭受次生灾害，造成了重大人员伤亡和财产损失。在溪洛渡水电站区域范围内，国内学者在地质灾害方面开展了较多研究。李秀珍等（2010）分析了溪洛渡库区岸坡典型滑坡分布、规模和形态特征，邓宏艳和王成华（2011）对库区典型滑坡进行了稳定性动态评价，李凌婧等（2015）利用采用 InSAR 技术开展了库区易子村大型滑坡蓄水前、后变形监测研究，刘仕勇和李攀峰（2018）利用地表位移监测站监测数据分析了库区干海子滑坡、雨林 2 组滑坡堆积变形破坏现象及其演化特征，刘星洪等（2018） 利用多种InSAR数据开展了库区西岸雷波县活动性地质灾害数量及分布规律研究。本文以溪洛渡库区为例，采用时间序列的 SBAS-InSAR 技术，利用 Sentinel-1A 升、降轨雷达卫星数据，在前人研究基础上重点研究 2019—2020 这 2 年期间库区滑坡不同发生模式（牵引式、推移式）的形变特征，以期为库区防灾减灾提供技术支撑。
-
1 研究区概况
-
溪洛渡水电站位于四川省雷波县与云南省永善县接壤的金沙江峡谷段，2013 年 7 月建成并正式投产，主要功能是发电、防洪、拦沙和改善下游航运，总装机容量 1386 万 kW，大坝为混凝土双曲拱坝，最大坝高285.5 m，坝顶高程610 m，水库正常蓄水位 600 m，库容 126.7 亿 m3，全长 197 km（周围和沈习文，2012）。研究区位于溪洛渡坝址至库区上游80 km范围内，涉及永善县溪洛渡镇、务基镇和黄华镇，以及四川省五官乡、卡哈洛乡和元宝山乡等 11个乡镇。
-
研究区为强侵蚀高山、中山地貌区，地势总体西高东低，山岭海拔高程2000~3500 m（图1）。区内金沙江呈北东向深切其间，“V”型谷发育，地形起伏大，植被茂密。区内属亚热带季风气候，多年平均降雨量 586.3~851.2 mm，5—10 月占全年降雨量的 85%~90%，日最大降雨量超过 100 mm（朱吉龙， 2019）。
-
区内地层展布受北东向莲峰断裂和南北向峨边—金阳断裂控制，奥陶系—志留系以薄层互层状结构的砂岩、粉砂岩及泥页岩为主，河谷地带分布第四系松散的冲积物和残坡积物（马振福，1987①）。
-
受复杂地形地貌、地质条件等孕灾条件的影响，区内崩塌、滑坡和泥石流等地质灾害高易发。其中滑坡和崩塌最为发育，多分布于 15°~25°的缓坡上，以土质滑坡为主，滑动面多为松散层与基岩的接触界面，多发育浅层滑坡。受库区蓄水工程的影响，库区边坡稳定性发生了很大变化，库区两岸崩塌、滑坡地质灾害呈现出新的变化特点。
-
图1 研究区交通位置图（a）和高分遥感影像图（b）
-
2 数据与方法
-
2.1 数据源
-
研究数据采用Sentinel-1雷达卫星数据，采用C 波段载荷，该卫星重访时间为 12 d，IW 模式覆盖范围 250 km，分辨率为 5 m×20 m（距离向 5 m，方位向 20 m）。本文选用2019年1月1日—2020年12月31 日覆盖研究区的干涉宽幅模式的斜距单视复数产品，升轨数据120景，降轨数据60景，共180景，同时收集了相对应的精密轨道文件（表1）。遥感影像选择 2020年 7月 22日的高分一号卫星数据 1景，经预处理并影像融合后得到分辨率为 2 m 遥感影像（图1）。DEM 数据选择美国地质调查局提供的 30 m 分辨率的SRTM数据。
-
2.2 SBAS形变信息提取
-
SBAS（Small Baseline Subsets）是短基线集差分干涉测量技术，将所有SAR影像根据子集间干涉对空间基线距相对较大，子集内干涉对空间基线距相对较小的原则进行自由组合，形成若干短基线集合，建立干涉相对连接图，并利用空间基线阈值法选取短基线干涉对，削弱空间失相关的影响（陈富龙等，2013）。地理配准过程中将所有干涉对进行联合配准并重采样，对每个干涉对进行D-InSAR处理，根据每个干涉对的相干图质量进行检查并筛选干涉图。使用相干性较好的干涉对作为地表形变反演的最终数据，引入奇异值分解（Singular Value Decomposition，SVD）和最小二乘法进行相位解缠，获得最终的变形结果（Chen et al.，2018）。根据小基线集集合间SAR影像的基线较大、集合内基线较小的原则，时间基线设置为24 d，空间基线阈值设置为极限基线的 2%，短基线可以有效减少几何失相干 DEM 误差带来的不利影响。InSAR 实验数据使用 GAMMA 软件平台进行处理，时间序列 InSAR 分析使用开源的MintPy软件包（Yun et al.，2019）。
-
3 活动滑坡识别与特征研究
-
3.1 库区形变信息特征
-
短基线集差分干涉测量技术获取的形变速率图中研究区整体呈现淡蓝绿色，库区库岸局部显示出橙红色，表示该区域地表在 LOS 方向（即卫星的视线方向）上向卫星的反方向移动，即存在下沉趋势；深蓝色区域与之相反。
-
由于Sentinel-1A卫星的侧视成像原理，雷达信号无法抵达的坡体背侧就会出现阴影，若首先抵达山地而后山底就会出现顶底倒置和叠掩等畸变现象，经地理编码后像素被拉升并形成条纹，其值不表示真实地表形变信息。因此，升轨数据探测到的滑坡集中于库区西岸和坡向朝东的坡体上，降轨数据探测到的滑坡集中于库区东岸和坡向朝西的坡体上。
-
从形变速率图中得知，库区两岸边坡整体稳定，但分布 16 处较明显形变区（编号 H01-H16），形变区域在 2019—2020 年间存在持续的地表形变迹象，集中分布在金沙江两岸的一级斜坡、金沙江两岸二级沟谷及支流的二级斜坡上，已知的干海子滑坡（李攀峰等，2016）、易子村滑坡（李凌婧等，2015） 和建设村滑坡（刘星洪等，2018）分别位于形变区 H01，H06和H13处（图2）。
-
图2 研究区年均形变速率图（a：升轨，b：降轨）
-
3.2 库区活动滑坡综合识别
-
结合高分遥感影像和年均升降轨形变速率图共同分析，研究区内 16 处形变区域为活动滑坡，集中分布在库区两岸的坡体上。其中，升轨数据探测到 12处活动滑坡；降轨数据探测到 10处活动滑坡； 升轨和降轨形变速率图均能探测到的有 5 处滑坡。升轨数据视线方向上滑坡范围内的形变速率为-11.52~4.31 cm/a，平均值为-1.71 cm/a；降轨数据视线方向上滑坡范围内的形变速率为-11.27~6.41 cm/a，平均值为-0.27 cm/a。水电站上游32~68 km，金沙江出现多处弯曲，导致流水对两岸边坡的浸蚀和侧蚀作用更强，因此该段地质灾害分布、密度较大。溪洛渡库区凹岸分布有13处活动滑坡，通过汇总学者研究成果（邓宏艳和王成华，2011），滑坡推测方量18071 m3；凸岸分布有3处活动滑坡，滑坡推测方量8547 m3，表明河流凹岸受到流水侵蚀作用较凸岸更强，凹岸坡体上滑坡更为发育。
-
16处活动滑坡中大部分以牵引式为主，推移式较少，其中牵引式滑坡 14 处，推移式滑坡 2 处。这正是受到库区蓄水影响，水体对岸坡前缘的岩石产生显著的浸蚀作用，岸坡前缘稳定性变差，牵引滑坡体向下滑动（张利芹等，2020；刘秋强等，2021）。同时，牵引型滑坡的形变量和形变速率的绝对值均值稍大于推移式滑坡，其中在降轨数据中牵引式滑坡形变速率绝对值均值为1.82 cm/a，推移式滑坡形变速率绝对值均值为1.70 cm/a，升轨数据中牵引式滑坡形变速率绝对值均值为1.93 cm/a，而推移式滑坡在升轨数据中未观察到形变信息（表2）。
-
3.3 活动滑坡特征分析
-
在探测到的 16处活动滑坡中，选取区内 3处典型滑坡作为案例，探究2种滑坡发生模式（牵引式和推移式）在InSAR形变图中的特点，分析滑坡变形的分布对发生模式产生的不同影响，详细分析滑坡不同部位不同形变速率下时间序列上的变化特征，并归纳总结该滑坡的形变规律。
-
3.3.1 牵引式滑坡
-
（1）易子村滑坡（H06）
-
易子村滑坡位于云南省永善县黄华镇西部金沙江右岸，距坝体河道里程 50.6~51. 0 km，属于古滑坡堆积体坡脚次级滑坡，古滑坡体长约 4500 m，宽约 1800 m。滑动层为土石质老滑坡堆积层，基岩为弱透水性志留系泥页岩（邓宏艳和王成华， 2011），地层倾向近水平（李秀珍等，2010）。现今形变区与滑坡体长约 1300 m，宽 280～400 m，地形坡度约 10°~35°，发育多级平台。2013 年 7 月 27 日在永善县黄花镇发生的山体滑坡即该滑坡。
-
研究截取了易子村滑坡 2019-1-1—2020-12-31 降轨影像 LOS 方向形变速率图（图3），叠置在该滑坡的影像上可观察到，滑坡侧壁和后壁均呈现较稳定状态，滑坡体即为形变区域，滑坡体形变速率较周围出现明显下沉趋势。
-
为进一步研究滑坡体典型点位时间序列形变量特征，选取了滑坡体后缘、中部、前缘3处特征点，研究两年的形变量时间序列累积曲线特征（图4），点号分别为p1、p2、p3，形变速率分别为-3.27 cm/a，-7.61 cm/a和-6. 09 cm/a，3处特征点均为过滤挑选后得出，点处均发育土石质老滑坡堆积层碎石土，基岩为奥陶系—志留系薄层泥页岩，透水性较差，稳定性一般。在该时间内，3 个特征点均呈现出下沉趋势，其中 p2、p3 较 p1 点累积形变量较大，显示出滑坡体主要形变区域集中于中部及前缘。2019 年 1—6月，3处特征点同步下沉，形变速率为-7.9~-8.8 cm/a，进入 2019 年汛期以后，滑坡后缘形变速率放缓，滑坡中部和前缘形变速率仍较匀速下沉，出现明显的分化。2020 年 6 月之后，该滑坡整体下沉趋势放缓并处于较稳定态势。
-
图3 易子村年均形变速率图（a）与遥感影像图（b）
-
图4 易子村滑坡3处特征点地表形变时间序列变化曲线图
-
综合分析表明，该滑坡前缘、中部受水库蓄水和水流侧蚀作用的影响，较滑坡体后缘最先失稳，牵引整个滑坡向下蠕动，属于牵引式滑坡。目前形变趋势虽稳步放缓，但仍对金沙江该段两岸存在威胁。
-
（2）建设村滑坡（H13）
-
建设村滑坡位于距坝体河道里程37.3 km的金沙江支流溜筒河右岸，距该河注入金沙江河口5. 0~6.6 km，位于四川省雷波县巴姑乡。滑坡长 950~1100 m，宽约 900 m，圈椅状特征较明显，建设村位于滑坡区上部，Y032乡道从滑坡中部穿过并以“人” 字形盘旋至坡顶。
-
研究截取了建设村滑坡 2019-1-1—2020-12-31 降轨影像 LOS 方向形变速率图（图5），叠置在该滑坡的影像上可观察到，滑坡形变区域即为滑坡体边界，滑坡体整体处于拉张变形阶段，后缘形变速率小，中部和前缘形变速率大。
-
图5 建设村滑坡年均形变速率图（a）与遥感影像图（b）
-
图6 建设村滑坡3处特征点地表形变时间序列变化曲线图
-
选取滑坡体后缘、中部、前缘3处特征点以进一步研究滑坡体典型点位时间序列形变量特征，研究两年的形变量时间序列累积曲线特征（图6），点号分别为 p1、p2、p3，形变速率分别为-5.82 cm/a，-6.37 cm/a和-7.86 cm/a，3处特征点均为过滤挑选后得出，点处均发育第四系残坡积碎石土，出露强风化的奥陶系—志留系砂岩、粉砂岩。在该时间内，3个特征点均呈现出下沉趋势，其中 p3较 p1、p2 点累积形变量最大，达-15cm。2019年 5—10月，滑坡中部和前缘的形变速率较后缘明显加快，出现分化趋势，并在汛期结束时速率放缓并重新与后缘同步；同样在 2020 年，该滑坡前缘和中部仍处于加速变形阶段，平均形变速率达-28.35 cm/a 和-24. 02 cm/a，后缘部位仍匀速下沉。
-
综合分析表明，该滑坡前缘受江水的浸泡、侧蚀和冲刷作用较强，属于牵引式滑坡，结合学者研究该滑坡于2013年7月水库蓄水诱发，且截至2020 年底，仍处于形变阶段，属于活动滑坡，严重威胁滑坡体中部乡道、后缘建设村居民。
-
3.3.2 推移式滑坡
-
干海子滑坡位于距坝体河道里程 13.4~14.3 km 的金沙江右岸，永善县务基镇白胜村，是近坝库段的一个大型古滑坡，属于志留系软弱地层控制的切层基岩滑坡，其上的唐家湾坐落体堆积于后缘滑坡缓台上，前缘在金沙江水流作用下局部失稳形成垮堵湾（刘仕勇和李攀峰，2018）。滑坡体由角砾、岩屑夹泥组成，原岩为志留系泥页岩，下伏滑床基岩为下志留统龙马溪组的泥页岩及粉砂岩，岸坡结构属于缓倾逆向斜坡（李秀珍等，2010）。滑坡长约 900 m，宽 700~900 m，上窄下宽，呈圈椅状，厚度约为55~166 m，体积约4760×104 m3（邓宏艳和王成华， 2011），该滑坡整体较平缓，坡度约 20°，主滑方向为 325°。国道213从滑坡区上部穿过。
-
图7 干海子滑坡年均形变速率图（a）与遥感影像图（b）
-
研究截取了干海子滑坡 2019-1-1—2020-12-31 降轨影像 LOS 方向形变速率图（图7），叠置在该滑坡的影像上可观察到，滑坡区整体处于下沉状态，滑坡后缘和前缘形变速率较大，中部形变速率较小，滑坡区边界之外较稳定。
-
同样选取了滑坡体后缘、中部、前缘 3 处特征点，研究两年的形变量时间序列累积曲线特征（图8），点号分别为 p1、p2、p3，形变速率分别为-3.77cm/a，-2.68 cm/a 和-3.97 cm/a，3 处特征点均为过滤挑选后得出，特征点均位于基岩解体后形成的块碎石层滑坡体上，岩土体结合性差，稳定性较差。在观察期内，3个特征点均呈现出下沉趋势，其中p1 和p3较p2点累积形变量最大。2019年11月—2020 年 4月，2020年 11—12月，p1点和 p2点下沉趋势相同，但后缘下沉速率较中部更快，在 2019年 11月之后两者速率出现分化并逐渐拉大。p3 点与 p1 点和 p2 点变形趋势不同，在 2019 年 1 月，2019 年 11—12 月和 2020 年 12 月期间，p3 点出现小幅度的抬升趋势，并在抬升到一定程度后出现急速下沉，平均变形速率达30cm/y。
-
图8 干海子滑坡3处特征点地表形变时间序列变化曲线图
-
综合分析表明，滑坡后缘受到唐家湾座滑体的推挤，前缘受到挤压后出现轻微鼓胀，并在坡面下滑力超过抗滑力时，出现急速沉降，表现出推移式滑坡的特点。结合 2019 年之前多位学者对干海子滑坡的形变监测结果，表明该滑坡多年来一直处于蠕动变形阶段，威胁坡体上部国道和过往行人车辆的安全。
-
通过对 3 处典型滑坡在 2019—2020 年两年的形变特征分析，表明溪洛渡库区两岸活动滑坡受到金沙江的浸泡、侧蚀和冲刷作用较强，形变速率较大。根据多处特征点的时间序列形变曲线，预判未来这些活动滑坡仍将处于蠕变或加速变形阶段，位于这些活动滑坡附近和滑坡对岸的承灾体，存在不同程度的安全隐患，应当受到地方政府部门和当地居民的重视。
-
4 结论
-
（1）利用InSAR技术能快速有效识别滑坡隐患，综合利用 SBAS-InSAR 处理方法、时间序列 InSAR分析方法和光学信息提取方法能更好地掌握滑坡隐患的形变特点与发生模式。
-
（2）在溪洛渡库区，采用升、降轨 SAR数据共探测出16处滑坡存在地表形变，其中采用升轨数据探测到 11 处，降轨数据探测到 9 处。表明综合使用升、降轨数据能完整探测地表形变信息。
-
（3）基于 SAR 数据监测及综合分析，溪洛渡库区滑坡隐患大部分以牵引类型为主，次为推移式，由于库区蓄水影响，水体对岸坡前缘的岩石产生显著的浸蚀作用，岸坡前缘稳定性变差，牵引滑坡体向下滑动，较推移式滑坡形变速率更快，形变量更大。
-
（4）根据时间序列形变分析，可以对活动滑坡变形趋势做出预判，为当地政府部门和居民防灾减灾作出指导。
-
注释
-
① 马振福.1987. 四川省金沙江（攀枝花—宜宾）1∶10万河谷环境工程地质调查报告[R]. 绵阳：四川地矿局 909 水文地质工程地质大队.
-
参考文献
-
Chen G， Zhang Y， Zeng R， Yang Z， Chen X， Zhao F， Meng X. 2018. Detection of land subsidence associated with land creation and rapid urbanization in the Chinese Loess Plateau using time series InSAR： A case study of Lanzhou New District［J］. Remote Sens⁃ ing， 10（2）： 270-286.
-
Guo J M， Hu J Y， Li B， Zhou L， Wang W. 2017. Land subsidence in Tianjin for 2015 to 2016 revealed by the analysis of Sentinel-1A with SBAS-InSAR［J］. Journal of Applied Remote Sensing， 11（2）： 1-14.
-
Rizo V， Tesauro M. 2000. SAR interferometry and field data of Randazzo landslide （Eastern Sicily， Italy）［J］. Physics & Chemistry of the Earth， 25（9）： 771-780.
-
Yun J Z， Fattahi H， Amelung F. 2019. Small baseline InSAR time series analysis： Unwrapping error correction and noise reduction ［J］. Computers & Geosciences， 133： 104331.
-
陈富龙， 林珲， 程世来. 2013. 星载雷达干涉测量及时间序列分析的原理、方法与应用［M］. 北京： 科学出版社.
-
代聪， 李为乐， 陆会燕， 杨帆， 许强， 简季 . 2020. 甘肃省舟曲县城周边活动滑坡 InSAR 探测［J］. 武汉大学学报（信息科学版）， 46 （7）： 994-1002.
-
邓宏艳， 王成华 . 2011. 溪洛渡库区库岸老滑坡工程地质特征及成因机制分析［J］. 中国水土保持， （5）： 59-62.
-
葛大庆， 王艳， 郭小方， 范景辉， 刘圣伟. 2008. 利用短基线差分干涉纹图集监测地表形变场［J］. 大地测量与地球动力学， （2）： 61-66.
-
李凌婧， 姚鑫， 张永双， 王桂杰， 郭长宝 . 2015. 基于 PS-InSAR 技术的断裂带近场变形特征提取［J］. 地质通报， 34（1）： 217-228.
-
李攀峰， 黄啸鹰， 吴建川， 刘源 . 2016. 溪洛渡水库运行期干海子滑坡变形动态响应研究［C］// 中国地质学会工程地质专业委员会 . 2016 年全国工程地质学术年会论文集 . 中国电建集团成都勘测设计研究院有限公司， 105-108.
-
李秀珍， 王成华， 邓宏艳. 2010. 灰色关联度法和距离判别分析法在溪洛渡库区潜在滑坡判识中的应用［J］. 中国地质灾害与防治学报， 21（4）： 77-81.
-
刘秋强， 胡嫚， 吕杰堂， 程凯 . 2021. 地下水渗流作用下的三峡库区巴东县赵树岭滑坡稳定性研究［J］. 矿产勘查， 12（7）： 1647- 1654.
-
刘仕勇， 李攀峰 . 2018. 溪洛渡库区典型滑坡堆积体变形与防灾探讨［J］. 地下空间与工程学报， 14（5）： 1393-1399.
-
刘星洪， 姚鑫， 周振凯， 李凌婧， 姚佳明. 2018. 滑坡灾害InSAR应急排查技术方法研究［J］. 地质力学学报， 24（2）： 229-237.
-
陆会燕， 李为乐， 许强， 董秀军， 代聪， 王栋 . 2019. 光学遥感与 InSAR 结合的金沙江白格滑坡上下游滑坡隐患早期识别［J］. 武汉大学学报（信息科学版）， 44（9）： 1342-1354.
-
戚赏， 刘磊， 杜丹， 吕灯 . 2020. 河南丹江口库区滑坡危害性评价及防治对策［J］. 矿产勘查， 11（3）： 624-629.
-
赵超英， 刘晓杰， 张勤， 彭建兵， 许强. 2019. 甘肃黑方台黄土滑坡In ⁃SAR识别、监测与失稳模式研究［J］. 武汉大学学报（信息科学版）， 44（7）： 996-1007.
-
张利芹， 李浩， 顾超， 潘会彬， 付鹏伟. 2020. 基于信息量法的重庆云阳县（三峡库区）地质灾害易发性评价［J］. 矿产勘查， 11（12）： 2809-2815.
-
张路， 廖明生， 董杰， 许强， 龚健雅. 2018. 基于时间序列InSAR 分析西部山区滑坡灾害隐患早期识别——以四川丹巴为例［J］. 武汉大学学报（信息科学版）， 43（12）： 286-296.
-
周围， 沈习文 . 2012. 溪洛渡水电站高路堤边坡稳定性分析与处置 ［J］. 山西建筑， 38（25）： 170-172.
-
朱吉龙. 2019. 溪洛渡库区滑坡地质灾害风险评价研究［D］. 成都： 西南石油大学.
-
摘要
水电站建设会在一定程度上改变当地自然环境，特别是库区蓄水影响着库区岸坡稳定性，造成库区古滑坡的复活及（或）潜在活动滑坡的失稳，为库区带来了新的地质环境问题。本文以溪洛渡水电站库区为例，采用时序SBAS-InSAR技术对库区活动滑坡隐患的变形特点和发生模式进行了识别研究。结果表明：结合升降轨数据共发现库区存在16处活动滑坡隐患，滑坡不同位置表现出不同的形变速率，均呈现整体向下蠕滑的趋势，发生模式以牵引式滑坡居多。受到库区蓄水、流水浸蚀及汛期降雨的影响，溪洛渡库区地质灾害诱发条件将发生变化，需进一步加强地质灾害监测工作。
Abstract
The construction of hydropower station will change the local natural environment to a certain extent， especially the reservoir water will affect the stability of the bank slope of the reservoir area， resulting in the revival of the ancient landslide or the instability of the potential active landslide， which brings new geological environment problems to the reservoir area. Taking Xiluodu Hydropower Station reservoir area as an example， this paper uses time-series SBAS-InSAR technology to identify and study the deformation characteristics and occurrence patterns of active landslide hidden danger in the reservoir area. The results show that there are 16 active landslide hidden dangers in the reservoir area combined with the lifting rail data. Different positions of the landslide show dif- ferent deformation rates， and all showed an overall downward creep trend， and the occurrence patterns are mostly traction landslides. Affected by water storage， water erosion and rainfall in flood season， the induced conditions of geological disasters in Xiluodu reservoir area will change， and geological disaster monitoring needs to be further strengthened.
关键词
溪洛渡库区 ； SBAS-InSAR ； 地表形变探测 ； 活动滑坡
